El audio de cuatro minutos que llega a las once de la noche queda enterrado. Cómo convertirlo en texto, con resumen y pendientes, sin salir del chat.


Un cliente te manda cuatro minutos de audio a las once de la noche.

¿Cuándo lo escuchás? No ahora. Mañana tampoco, porque mañana tenés audiencia. El jueves lo escuchás a medias mientras manejás, retenés dos cosas y te olvidás de la tercera.

El audio sigue ahí. Esa es la parte incómoda: no se pierde, queda. Enterrado entre otros doscientos mensajes, imposible de buscar, y con un dato adentro que vas a necesitar dentro de dos meses.

Y el cliente que manda audios no va a dejar de mandarlos. Es cómo se comunica.

Por qué las soluciones obvias no alcanzan

La transcripción automática de WhatsApp sirve para saber si un audio es urgente. No sirve para trabajar: te devuelve un bloque de texto corrido, sin puntuación confiable, que no se guarda en ningún lado y que no podés buscar dentro de dos meses.

Pasarlo a un transcriptor genérico es mejor, pero el resultado es el mismo problema con otra cara: cuatro minutos de audio son unas setecientas palabras seguidas. Nadie lee setecientas palabras para encontrar una fecha.

El problema no es convertir voz en texto. Eso ya está resuelto hace años y es barato. El problema es que el texto sin ordenar no sirve más que el audio. (Qué hace y qué no hace un asistente de este tipo.)

Qué tiene que devolverte, entonces

Tres cosas, y las tres importan.

El resumen. Tres o cuatro líneas con lo que el cliente está diciendo. Es lo que leés cuando llega, en veinte segundos, para saber si tenés que hacer algo hoy.

Los pendientes, separados. Lo que hay que hacer, con nombre y con fecha si el audio la menciona. "Pedir la partida de defunción" no es parte del relato: es una tarea, y tiene que estar afuera del texto para que no se pierda adentro.

Lo que quedó ambiguo, apartado. Esta es la que falta en todas las herramientas y es la que más caro sale. En un audio largo siempre hay frases que pasan rápido y suenan resueltas: "lo de la camioneta lo vemos la semana que viene", "creo que estaba a nombre de él". Nadie las anota porque no dicen nada concreto. Y dos meses después, una de esas frases es el problema.

Que queden apartadas, con el minuto exacto para volver a escuchar, convierte dos meses de un lío en dos minutos de audio.

Y una condición que define todo: dónde queda guardado

Un audio transcripto que vive en una carpeta de descargas se perdió igual que el audio.

Tiene que quedar en el expediente, el legajo o la carpeta del cliente, junto con las reuniones, y tiene que buscarse escribiendo una palabra. "Tigre." "Camioneta." Lo que sea que te acuerdes dentro de dos meses, que es lo único que vas a tener.

Cómo lo resolvimos nosotros

Así funciona Lambda Notes: mantenés apretado el audio en el chat y lo compartís al asistente del estudio. Vuelve como texto, con el resumen arriba, los pendientes separados y lo ambiguo apartado con su minuto. Queda guardado en el historial del estudio y se busca por palabra.

Lo mismo que hace con una reunión grabada, pero sin que tengas que grabar nada: el cliente ya grabó por vos.

Y una aclaración que preferimos hacer siempre: la inteligencia artificial acá transcribe y ordena. No decide, no responde y no manda nada. Lo que hacés con eso lo decidís vos, y queda registro de quién lo decidió. (Por qué trabajamos así.)

Qué sale

US$ 29 por usuario por mes y US$ 250 de habilitación por estudio, una sola vez.

Aparte, el consumo de inteligencia artificial: alrededor de US$ 0,55 por hora de audio o reunión, que el estudio paga directo a su proveedor, a costo y sin recargo nuestro. Lo decimos de entrada porque es raro y porque preferimos que vean lo que cuesta de verdad antes que meterlo adentro del abono con margen.